Wash Trading چیست و چگونه می‌توان معاملات ساختگی را روی بلاکچین شناسایی کرد؟

۳ مهر ۱۴۰۵

Wash Trading چیست و چگونه می‌توان معاملات ساختگی را روی بلاکچین شناسایی کرد؟

حجم معاملات یکی از اولین اعدادی است که هنگام بررسی یک Token یا بازار دیده می‌شود. فرض کنید یک Token تازه ایجادشده در مدت کوتاهی: $20,000,000 Trading Volume ثبت کرده باشد. در نگاه اول ممکن است تصور کنیم هزاران معامله‌گر در حال خریدوفروش آن هستند. اما اگر بخش قابل توجهی از این معاملات توسط مجموعه کوچکی از Walletهای مرتبط ایجاد شده باشد چه؟ اینجا مفهوم Wash Trading اهمیت پیدا می‌کند. در یک بررسی منتشرشده در ۲۴ سپتامبر ۲۰۲۶، Bitquery با روش تحلیلی خود معاملات DEX در شش شبکه را بررسی کرد و گزارش داد بخش بزرگی از حجم مورد بررسی، معیارهای آن‌ها برای معاملات غیرواقعی را داشته است. این یافته یک حکم عمومی درباره کل بازار نیست، اما نشان می‌دهد حجم ثبت‌شده روی زنجیره را نباید بدون تحلیل ساختار معاملات معادل تقاضای واقعی دانست. Bitquery

Wash Trading چیست و چگونه می‌توان معاملات ساختگی را روی بلاکچین شناسایی کرد؟

Wash Trading چیست؟

در تعریف ساده، Wash Trading زمانی رخ می‌دهد که معاملات به شکلی انجام شوند که ظاهر فعالیت یا حجم بازار را افزایش دهند، بدون آنکه همان معنای اقتصادی یک معامله مستقل میان طرف‌های واقعی بازار را داشته باشند.

یک الگوی ساده:

Wallet A

↓ Buy

Token X

↓ Sell

Wallet A

یا:

Wallet A

↓

Wallet B

↓

Wallet C

↓

Wallet A

اما در عمل تشخیص آن بسیار پیچیده‌تر است.

حجم بالا الزاماً به معنی تقاضای بالا نیست

فرض کنید یک Token:

Volume = $10M

دارد.

این عدد به‌تنهایی نمی‌گوید:

  1. چند کاربر مستقل معامله کرده‌اند؟
  2. چند Wallet درگیر بوده‌اند؟
  3. آیا Walletها به هم مرتبط‌اند؟
  4. چه مقدار سرمایه واقعی وارد بازار شده؟
  5. چند بار همان سرمایه چرخیده است؟

به همین دلیل تحلیل Volume بدون تحلیل Wallet Behaviour ناقص است.

Self-Trading

یکی از الگوهای قابل بررسی، خرید و فروش توسط یک Wallet یا مجموعه‌ای از Walletهای مرتبط است.

مثلاً:

Wallet A

↓

Buy Token X

↓

Sell Token X

↓

Same Pool

اگر این عملیات بارها تکرار شود، باید علت آن بررسی شود.

اما حتی این رفتار نیز به‌تنهایی اثبات قطعی دستکاری بازار نیست؛ Botها، Arbitrage و سازوکارهای DeFi نیز می‌توانند الگوهای پرتکرار ایجاد کنند.

Circular Trading

الگوی دیگر ممکن است به شکل حلقه باشد:

Wallet A

↓

Wallet B

↓

Wallet C

↓

Wallet A

یا در سطح Trading:

A buys

↓

B sells

↓

C buys

↓

A sells

تحلیلگر باید بررسی کند آیا ارتباط مالی دیگری میان این Walletها وجود دارد یا خیر.blog image

Funding Source مشترک

یکی از سیگنال‌های مهم این است که چند Wallet ظاهراً مستقل از یک منبع تأمین مالی شوند.

مثلاً:

Funding Wallet

├→ Wallet A

├→ Wallet B

├→ Wallet C

├→ Wallet D

└→ Wallet E

سپس همین Walletها روی یک Token معامله کنند.

این موضوع می‌تواند ارزش بررسی بیشتری داشته باشد.

Gas Funding را فراموش نکنید

گاهی ارتباط Walletها نه از Token مورد معامله، بلکه از Native Token مشخص می‌شود.

برای مثال:

Wallet X

↓ ETH

Wallet A

Wallet X

↓ ETH

Wallet B

Wallet X

↓ ETH

Wallet C

و بعد:

A

B

C

↓

Same Token

این ارتباط می‌تواند یک سرنخ تحلیلی باشد.

اما باز هم:

Common Funding ≠ Common Ownership قطعی

ممکن است یک سرویس یا Exchange عامل Funding باشد.

Transaction Timing

زمان نیز اهمیت دارد.

فرض کنید:

12:01:02 Buy

12:01:05 Sell


12:01:11 Buy

12:01:14 Sell


12:01:20 Buy

12:01:23 Sell

و این الگو ساعت‌ها تکرار شود.

این رفتار احتمال Automation را مطرح می‌کند.

سپس باید مشخص شود Automation چه هدفی دارد.

Buy و Sell در یک تراکنش

در برخی ساختارهای DeFi ممکن است خرید و فروش در همان تراکنش اتفاق بیفتد.

تحلیل اخیر Bitquery نیز نمونه‌ای را گزارش کرده که خرید و فروش یک Token در همان Pool و همان Transaction رخ داده بود و بخش بزرگی از حجم غیرواقعی شناسایی‌شده در مدل آن‌ها را تشکیل می‌داد. Bitquery

این مثال نشان می‌دهد بررسی فقط Volume روزانه کافی نیست؛ گاهی باید تا سطح Transaction Call پایین رفت.

تعداد Walletها نیز می‌تواند گمراه‌کننده باشد

فرض کنید:

1,000 Wallets

Token را معامله کرده‌اند.

در ظاهر جامعه بزرگی شکل گرفته است.

اما اگر 800 Wallet از آن‌ها:

Same Funding Source

Same Creation Period

Same Trading Pattern

Same Exit Destination

داشته باشند، تصویر متفاوت می‌شود.

چگونه تحلیل را انجام دهیم؟

می‌توان از پنج مرحله استفاده کرد.

مرحله ۱ — Volume Analysis

حجم کل و حجم در بازه‌های زمانی را بررسی کنید.

مرحله ۲ — Wallet Analysis

Walletهای اصلی ایجادکننده Volume را پیدا کنید.

مرحله ۳ — Funding Analysis

منابع تأمین مالی Walletها را بررسی کنید.

مرحله ۴ — Trading Pattern

Buy/Sell Frequency و Timing را مقایسه کنید.

مرحله ۵ — Exit Flow

بررسی کنید سود یا سرمایه در نهایت به کجا می‌رود.

Concentration Analysis

فرض کنید 70 درصد Volume توسط پنج Wallet ایجاد شده باشد.

این اطلاعات به‌تنهایی اثبات Wash Trading نیست.

اما یک سؤال مهم ایجاد می‌کند:

آیا Volume بازار واقعاً حاصل مشارکت گسترده کاربران است یا فعالیت تعداد محدودی Wallet؟

این تفاوت برای تحلیل بازار بسیار مهم است.

نقش Liquidity Pool

در DEXها باید Pool نیز بررسی شود.

مثلاً:

Wallet A

↓

Pool X

↑

Wallet B

سپس مشخص شود:

  1. Liquidity Provider چه کسی است؟
  2. Token Supply چگونه توزیع شده؟
  3. Walletهای اصلی چه ارتباطی دارند؟
  4. نقدینگی چه زمانی اضافه شده؟
  5. نقدینگی چه زمانی خارج شده؟

تفاوت Wash Trading و Arbitrage

این دو را نباید اشتباه گرفت.

Arbitrage می‌تواند شامل خرید و فروش بسیار سریع باشد.

مثلاً:

DEX A

Token = $1.00


DEX B

Token = $1.03

Bot خرید و فروش می‌کند تا از اختلاف قیمت سود ببرد.

این رفتار ممکن است ظاهراً شبیه معاملات پرتکرار باشد، اما هدف اقتصادی متفاوتی دارد.

بنابراین Context بسیار مهم است.blog image

یک سناریوی تحلیلی

فرض کنید Token X:

24h Volume:

$8,500,000

دارد.

اما تحلیل نشان می‌دهد:

Top 6 Wallets

↓

72% Volume

سپس:

Wallet Funding

↓

Same Source

و:

Profit

↓

Same Exit Wallet

این مجموعه شواهد از مشاهده صرف Volume بسیار مهم‌تر است.

آیا می‌توان فوراً گفت Wash Trading رخ داده؟

خیر.

در گزارش حرفه‌ای بهتر است از عباراتی مانند:

«الگوی مشاهده‌شده با فعالیت هماهنگ یا معاملات غیرمستقل سازگار است و نیازمند بررسی تکمیلی است.»

استفاده شود.

چون Entity Attribution و اثبات قصد، مسئله‌ای متفاوت از تشخیص Pattern است.

نتیجه‌گیری

Volume بالا همیشه معادل بازار فعال نیست.

برای تحلیل واقعی باید پشت عدد Volume را دید:

Volume

↓

Transactions

↓

Wallets

↓

Funding

↓

Behaviour

↓

Relationships

ترکیب Wallet Clustering، Funding Analysis، Timing Analysis و Liquidity Analysis می‌تواند تصویر بسیار دقیق‌تری از کیفیت فعالیت بازار ارائه دهد.

بلاگ‌ها و مقالات

مشاهده همه‌
Gas Funding Analysis چیست؟

Gas Funding Analysis چیست؟

فرض کنید در یک پرونده کلاهبرداری رمزارزی، دارایی سرقت‌شده به پنج کیف پول متفاوت منتقل شده است. این کیف پول‌ها ظاهراً ارتباط مستقیمی با یکدیگر ندارند. هرکدام آدرس مستقل، تاریخچه متفاوت و مجموعه‌ای از تراکنش‌های جداگانه دارند. اما هنگام بررسی دقیق‌تر متوجه می‌شویم که همه آن‌ها پیش از اولین انتقال، مقدار کمی ETH از یک آدرس مشترک دریافت کرده‌اند. آیا این اتفاق تصادفی است؟ آیا پنج کیف پول توسط یک شخص کنترل می‌شوند؟ یا آدرس مشترک صرفاً متعلق به یک صرافی یا سرویس تأمین Gas است؟ این پرسش‌ها نقطه آغاز Gas Funding Analysis هستند؛ روشی برای بررسی ارتباطات احتمالی میان آدرس‌ها از طریق تحلیل منابع تأمین کارمزد شبکه.

Chain Hopping چیست؟

Chain Hopping چیست؟

یک تصور قدیمی درباره ردگیری رمزارز وجود دارد: «کافی است دارایی را به شبکه دیگری ببریم تا رد آن گم شود.» اما Blockchain Forensics امروز بسیار فراتر از بررسی یک Explorer واحد رفته است. پژوهش‌های ۲۰۲۶ نیز دقیقاً به همین تحول اشاره می‌کنند. یک مقاله ارائه‌شده در کنفرانس IEEE ICBC توضیح می‌دهد که DeFi، Bridgeهای غیرمتمرکز و Chain Hopping، تحقیقات را از یک مسئله محلی روی یک زنجیره به یک مسئله چندزنجیره‌ای و پیچیده تبدیل کرده‌اند. Doi مطالعه دیگری در اوت ۲۰۲۶ نیز یک چارچوب Forensic برای ردیابی دارایی در محیط‌های چندلایه و میان Layer 1 و Layer 2 پیشنهاد کرده است. MDPI بنابراین Chain Hopping مسیر را سخت‌تر می‌کند؛ اما سخت‌ترشدن با ناپدیدشدن کامل ردپا یکسان نیست.

چگونه رفتار کیف پول صرافی را از کیف پول شخصی تشخیص دهیم؟

چگونه رفتار کیف پول صرافی را از کیف پول شخصی تشخیص دهیم؟

در بسیاری از تحقیقات Blockchain Forensics یک سؤال مهم مطرح می‌شود: آیا این آدرس متعلق به یک کاربر عادی است یا بخشی از زیرساخت یک صرافی؟ این سؤال ساده به نظر می‌رسد، اما پاسخ همیشه ساده نیست. یک صرافی ممکن است هزاران یا حتی میلیون‌ها Deposit Address داشته باشد و ساختار مدیریت وجوه آن با یک Wallet شخصی تفاوت زیادی داشته باشد. از طرف دیگر، صرفاً داشتن تعداد زیاد تراکنش نیز ثابت نمی‌کند یک آدرس متعلق به Exchange است. برای تحلیل صحیح باید رفتار آدرس بررسی شود.

چرا Stablecoinها به یکی از مهم‌ترین لایه‌های تحلیل AML تبدیل شده‌اند؟

چرا Stablecoinها به یکی از مهم‌ترین لایه‌های تحلیل AML تبدیل شده‌اند؟

وقتی صحبت از تحلیل تراکنش‌های رمزارزی می‌شود، بسیاری از افراد بلافاصله Bitcoin را تصور می‌کنند. اما در پرونده‌های واقعی، Stablecoinها اهمیت بسیار زیادی پیدا کرده‌اند. USDT و USDC نه‌تنها برای معاملات استفاده می‌شوند، بلکه در پرداخت‌ها، انتقال سرمایه، DeFi، صرافی‌ها و جابه‌جایی بین شبکه‌ها نیز نقش مهمی دارند. گزارش BIS در سال ۲۰۲۶ نیز تأکید می‌کند که Stablecoinها به بخش مهمی از سیستم مالی مبتنی بر بلاکچین تبدیل شده‌اند و تراکنش‌های آن‌ها می‌تواند شامل عملیات پیچیده‌ای باشد که در قالب چندین رویداد Token Transfer ثبت می‌شوند. از طرف دیگر، BIS هشدار داده که استفاده از Stablecoinها در فعالیت‌های غیرقانونی و استفاده از ابزارهایی مانند Mixer و Cross-Chain Bridge می‌تواند نظارت AML/CFT را دشوارتر کند.

رمز عبور

جهت ورود به رمز عبور خود را وارد کنید.

ibcd logo